Predittore del tempo gara

Ultimo aggiornamento: 2026-05-22

Predizione del tempo di gara

La predizione del tempo di gara è un metodo per stimare il tempo atteso su una distanza obiettivo a partire da un risultato noto su una distanza diversa, applicando un modello matematico di affaticamento. Dato un tempo recente su una distanza di riferimento, lo strumento restituisce una previsione per la distanza obiettivo e una tabella comparativa per tutte le distanze standard dai 1500 m alla maratona, secondo uno di due modelli consolidati: Riegel e Cameron.

Il modello di Riegel

La formula più usata è quella di Riegel (Pete Riegel, 1981). Osserva come il tempo di gara cresca con la distanza elevata a una potenza appena superiore a 1:

$t_2 = t_1 \cdot \left(\frac{d_2}{d_1}\right)^{e}$

Con i logaritmi si linearizza:

$\log t_2 = \log t_1 + e \cdot \log\!\left(\frac{d_2}{d_1}\right)$

L'esponente $e$ — valore standard 1,06 — cattura il fatto empirico che si rallenta un po' a ogni raddoppio di distanza. A $e = 1{,}06$, raddoppiare la distanza costa circa il 4,3% sul passo ($2^{1{,}06} \approx 2\,085$). Un esponente di 1,0 implicherebbe che si possa tenere qualsiasi passo su qualsiasi distanza (impossibile); 1,20 implicherebbe una caduta molto più ripida di quella che mostrano i runner allenati.

Poiché l'esponente è un miglior adattamento empirico e non una legge fisiologica, questo strumento ti lascia regolarlo. Abbassalo verso 1,03 se sei un runner orientato alla velocità il cui passo tiene bene con la distanza; alzalo verso 1,10 se la tua resistenza cala più in fretta della media — la ricerca di Tanda e altri suggerisce che la maratona in particolare si adatta spesso meglio con un esponente sopra 1,06.

Il modello di Cameron

Riegel usa un solo esponente per tutte le distanze. La formula di Cameron (David Cameron, 1998) usa invece una funzione di affaticamento dipendente dalla distanza, calibrata su risultati di livello mondiale dai 400 m alle 50 miglia:

$t_2 = t_1 \cdot \frac{d_2}{d_1} \cdot \frac{f(d_1)}{f(d_2)}, \qquad f(x) = 13.49681 - 0.000030363\,x + \frac{835.7114}{x^{0.7905}}$

con $x$ in metri. Poiché il termine di affaticamento cambia forma fra le distanze, Cameron è spesso un po' più realistico sul lungo, prevedendo tempi di maratona un filo più lenti di Riegel. Passa da un modello all'altro e confronta: se concordano da vicino la previsione è solida; se divergono la verità sta di solito nel mezzo.

Esempi

I due modelli si seguono da vicino sulle distanze vicine e si aprono a ventaglio man mano che cresce il divario dalla gara nota — proprio dove una previsione è comunque meno certa.

Scenari pratici

1. Fissare un obiettivo maratona

Stimare il tempo maratona raddoppiando semplicemente il tempo mezza maratona non è corretto: entrambi i modelli mostrano che il passo rallenta all'aumentare della distanza. Una 10K in 45 minuti corrisponde a una previsione maratona di ~3:27–3:30, non 3:00 (un obiettivo sub-3 richiederebbe una 10K attorno a 37:30).

2. Scegliere il pacer della gara

I gruppi pacer in gara sono offerti a intervalli fissi (3:30, 3:40, 3:50 maratona, ecc.). Il tempo previsto dalla tabella indica il gruppo di riferimento. Quando Riegel e Cameron collocano la previsione ai due lati di un confine, il gruppo più prudente è la scelta più sicura.

3. Confrontare distanze fra runner

Due compagni di allenamento corrono gare diverse: una 5K in 19:30 e una mezza in 1:30. Chi è più veloce? La tabella di tutte le distanze riporta ogni risultato a una base comune — leggi la mezza prevista del runner dei 5K (o il 5K previsto del runner della mezza) e confronta direttamente.

4. Posizionarsi in pista

Le formule estrapolano anche verso il basso: una 5K in 16:00 prevede un 1500 m attorno a 4:28una 5K in 16:00 prevede un miglio attorno a 4:49. Gli atleti di pista lo usano per verificare che la resistenza si traduca in velocità sulla distanza.

Limiti dei modelli

• Assume allenamento omogeneo fra distanze. Chi allena solo 5K sarà sotto la previsione di maratona; la resistenza lunga è adattamento a parte.
• I modelli sono empirici. L'esponente di Riegel e la funzione di affaticamento di Cameron sono adattamenti di regressione, non derivazioni. La prestazione reale in maratona resta spesso dietro entrambe le previsioni per chi non si prepara specificamente sulla maratona.
• Saltano agli estremi. Sprint sotto i 1500 mSprint sotto il miglio e ultra (50 km+) seguono fisiologie diverse e nessuno dei due modelli estrapola in modo pulito.
• Profilo, meteo e strategia di passo non sono modellati. Le previsioni assumono condizioni simili; una 10K piatta e veloce non si confronta direttamente con una maratona collinare e ventosa.

Per i runner amatoriali che puntano a distanze standard in condizioni simili, la previsione di gara è uno strumento di pianificazione utile — meglio del tirare a indovinare — ma usa i numeri come ordine di grandezza, non come garanzia.