なぜ1.06なのか？

もしランニングが純粋に有酸素運動で疲労がないものであれば、タイムは距離に比例して線形に増加します（指数 = 1.0）。指数1.06は、距離が長くなるほど比例してより大きな努力が必要になるという現実を捉えています。つまり、距離が増えるにつれてペースは単なる線形ではなく、わずかにそれ以上に低下します。

10Kを42:00で走るランナーが、マラソンを正確に4倍のタイムで走ることはありません。エネルギー枯渇と累積的な疲労により、わずかに遅くなります。1.06という係数は、この現実を経験的にモデル化したものです。

トレーニングに予測を活用する

マラソンの予測タイムがわかったら、逆算してトレーニングペースを決めましょう。例えば予測が3時間30分なら、目標マラソンペースは約4:58 min/km（7:59 min/mi）です。レース本番の8週間前から、ロングランやマラソン専用ワークアウトにこのペースを取り入れてください。

予測は、主要なレースのたびに更新するのが最も効果的です。トレーニングでフィットネスが向上し、10Kのタイムが縮まれば、マラソンの予測も連動して向上します。毎サイクルフルマラソンを走らなくても、この推移を追うことでトレーニングの効果を確実にモニターできます。

⚠️ 注意すべき制限事項

公式は、両方のレースが全力で、かつ同様の条件下で走られたことを前提としています。

地形、天候、標高差、トレーニングの特異性は考慮されません。

予測は、2つの距離が比較的近い場合（例：5K → 10K）に最も正確になります。5Kからマラソンへの推計には、より大きな不確実性が伴います。

初心者は予測を上回ることが多く、よくトレーニングされたアスリートはモデルに近い結果になる傾向があります。

レース予測FAQ：結果を最大限に活用する

Riegel式（1977年）は距離をまたいでレースタイムを予測する最も広く使われるモデルです。持久力の根本的な真実を捉えています—距離が増えるにつれて、ペースは予測可能な非線形の速度で遅くなります。式はT2 = T1 × (D2/D1)^1.06です。

精度は、平坦なコースでの真の最大競技努力からの隣接距離間の予測で最も高くなります。10Kからのマラソン予測の場合、理想的な条件下で2〜4分以内の結果を期待してください。一般的なエラーの原因には、レースタイムの代わりにトレーニングタイムを使用することが含まれます。

この式はトレーニングの特異性を考慮しません。予測を現実的な上限として使用し、保守的なスタート戦略を計画してください。大きな距離外挿（例：5Kからマラソン）の場合、クロスチェックとしてCameron式の出力と比較してください。

仕組みについて

Riegel式はどのくらい正確ですか？

理想的な条件（平坦なコース、良い天気、真の最大努力）下での10Kからのマラソン予測で2〜4分以内。精度は隣接距離（10Kからハーフマラソン）で向上し、大きなギャップでは低下します。3:30〜5:30分/kmのペースで最もよく機能します。

予測タイムが速すぎたり遅すぎたりするのはなぜですか？

ほとんどの場合、入力データが真の競技努力ではありませんでした—快適なロングランはフィットネスを過小評価し、速いコースでのPBは過大評価します。コースや天候の違いも影響します。

5Kからマラソンのように非常に異なる距離で予測できますか？

技術的にはできますが、ギャップが大きくなるほど信頼性は低下します。5Kからマラソンへのジャンプには、Cameron予測も実行してください—より保守的で、しばしばより現実的なマラソン推定値を提供します。

レース予測器の仕組み