我大概明白妳的意思：就是壹個樣本空間怎麽需要定義兩個隨機變量。
舉個例子妳就明白了，壹個班上有30個學生，把30個學生當做樣本空間Ω，每壹個學生當做樣本點ω，我們可以定義身高隨機變量X：是每個學生對應身高的數值，還可以定義體重隨機變量Y：是每個學生對應體重的數值。
我是這麽理解隨機變量的：
隨機變量是為了建立起“數”與“樣本點”的聯系，進而建立起分布函數，這樣就構建起了概率問題與數據分析這個工具之間的橋梁；
每壹個隨機變量是對樣本空間的壹種刻畫，是它的某壹種性質或特性的體現。每壹個樣本空間會有很多種性質，所以，可以有很多種隨機變量；
壹個事件的發生與否或發生的概率，不壹定由壹個因素決定，當有多個因素的時候，就需要找到多個隨機變量來計算發生概率。
補充：
為了便於妳理解，我比較兩個概念：
概率：概率是事件的概率，它的自變量是什麽？是隨機事件！也就是樣本空間Ω上所有隨機事件的集合是它的定義域！它的值域呢？是實數，是範圍[0,1]內的實數。
隨機變量：它的自變量是什麽？是樣本點！樣本點是什麽？樣本點是基本事件，就是不可再分的隨機事件。它的定義域是樣本空間。它的值域呢，也是實數，不過範圍所有實數。
從級別上來看，對應關系如下：