計算機
万能な選択肢。距離が近い場合に最も正確です。 — 例：10K → ハーフマラソン
距離が大きく異なる場合に適しています。短いレースでの速度を考慮します。 — 例：1マイル → マラソン
レース予測の公式はどのように機能するのか
レースのパフォーマンスを予測することは、科学であると同時に技術でもあります。当サイトのレース予測機能は、スポーツ生理学で最も評価の高い2つの数学モデル（リーゲルとキャメロン）を使い、最近の結果からゴールタイムの可能性を推定します。
リーゲルの公式（T2 = T1 × (D2/D1)^1.06）は、距離が伸びても有酸素能力が比較的一定に保たれることを前提としています。5Kからマラソンまでの距離を予測する際の標準的な手法です。
キャメロンの公式は距離補正係数を導入しています。Dave Cameronは何千ものレース結果を分析し、距離が伸びるにつれて他より大きく失速するランナーがいることを見いだしました。このモデルは、1マイルのような非常に短い距離からマラソンへ移行するランナーにとって、より正確な場合が多くあります。
どちらの公式も、平坦なロードコースで通常のコンディションのもと、ほぼ全力で走ったことを前提としています。暑さや高度、ハードなトレーニングによる蓄積疲労は考慮されていません。予測は現実的な目標として使い、次のレースの具体的な条件に合わせて調整してください。
仕組みについて
予測されたマラソンタイムが実際の自己ベストよりずっと速いのはなぜですか？
公式は、目標距離に必要な専門的トレーニングを積んでいることを前提としています。5Kで20分なら3:10を切るマラソンが予測されますが、それは必要な持久力の土台と十分な走行距離を積み上げている場合に限られます。
予測にはリーゲルとキャメロンのどちらを使うべきですか？
有酸素的な要求が近い距離どうしの予測（10K → ハーフマラソン、ハーフ → フルマラソン）ではリーゲルを使ってください。5Kや1マイルのような短い距離からずっと長い距離を予測する場合はキャメロンを使いましょう。キャメロンは、短い種目では持久力よりスピードの役割が大きいことを考慮しています。
レース予測の公式はどれくらい正確ですか？
十分にトレーニングを積んだランナーが隣接する距離を予測する場合（10K → ハーフ、ハーフ → フルマラソン）、誤差はおおむね2〜5%以内です。既知の距離と目標距離の差が大きくなるほど精度は下がります。暑さ、起伏、疲労といった環境要因はモデル化されていないため、予測は保証ではなく出発点として扱ってください。