例如，蒙特卡洛模拟的常见情况是，如果我们想运行我们的模拟$N$步骤，我们定义一个增量$\Delta,$这样$N/\Delta = n$告诉我们在 MC 运行期间我们测量/评估感兴趣的数量的频率。例如，说$N=1000,$我们想测量一个可观察的平均值$f,$每次之后$n=100$步骤（所以在这里$\Delta=10$）。平均值是通过除以得到的$f$按次数$f$已被测量。这是对时间或 MC 步骤进行线性采样，模拟看起来像示意图（用 Python 风格编写）：

interval = N/delta
f = 0
countmeasurement = 0
for mcstep in range(1,N):
  interval -= 1
  .
  .
  .
  if interval == 0:
    f += computef()
    .
    .
    interval = N/delta
    countmeasurement += 1
  #save or print
  print "steps ", mcstep, "average f ", f/countmeasurement 

题：

有了这个方案，如果稍后我们绘制$f$作为 MC 步长的函数，在对数对数比例图上，我们不会为每个时间尺度采样相同数量的数据点，因为我们仅对总步长进行线性采样。我们如何改变我们的采样方案，从而重新定义interval，以便我们收集相同数量的数据点$f$对于对数图的每个部分（时间尺度）？在蒙特卡洛模拟中以对数方式对 MC 步骤进行采样是否常见？