先排序，再找中间的位置
把五次等待记录2、18、3、4、3按大小排列，得到2、3、3、4、18。第三个数位于中间，所以中位数是3分钟；直接拿原始列表第三项，在未排序时并不可靠。
如果有偶数个观察值，常用的数值型样本中位数是中间两个值的算术平均数。例如2、3、4、18的中间两个数为3和4，中位数为3.5，尽管没有一次实际等了3.5分钟。
同一组等待时间，两个不同问题
- 01算术平均数
总和30÷5＝6分钟
- 02中位数
排序后第3条＝3分钟
原创教学示意；按正文假设说明，不是实际调查数据。
它不容易被单个极大值拉着走
把五条记录中的18改成38，中位数仍然是3，算术平均数却从6变成10。中位数关注中间位置，不会按最大的数到底有多大来同比增加。
如果少数人等得特别久，中位数更接近中间那位的情况，但不会告诉你最久等了多久。关心服务体验时，可以同时看中间位置与最长等待，不能只报一个数。
中间位置不等于人人接近它
1、2、3、100、200的中位数也是3，但这组数据的差异非常大。中位数相同的两组数据，实际分布可以完全不同，不能因此判断服务体验一致。
有重复值时，也不应机械说“恰好一半严格小于中位数，另一半严格大于”。更准确的理解是排序被它分成两侧，中间附近可能有多条相等记录；读图时要留意数据的离散性。