Preditor de tempo de prova

Última atualização: 2026-05-22

Predição de tempo de prova

A predição de tempo de prova é um método para estimar o desempenho esperado em uma distância-alvo a partir de um resultado real em outra distância, utilizando fórmulas empíricas de fadiga. Dados uma distância e um tempo conhecidos, a calculadora projeta o tempo previsto para a distância escolhida e apresenta uma tabela comparativa para cada distância-padrão de 1500 m à maratona, com base em dois modelos consagrados: Riegel e Cameron.

O modelo de Riegel

A fórmula mais usada é a de Riegel (Pete Riegel, 1981). Ela observa que o tempo de prova escala com a distância elevada a uma potência um pouco acima de 1:

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

Tirando logaritmos, a fórmula vira linear:

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

O expoente $e$ — valor padrão 1,06 — captura o fato empírico de que o pace diminui um pouco a cada vez que a distância dobra. Com $e = 1{,}06$, dobrar a distância custa cerca de 4,3% no pace ($2^{1{,}06} \approx 2{,}085$). Um expoente de 1,0 implicaria manutenção perfeita de pace em qualquer distância (irrealista); 1,20 implicaria uma queda muito mais íngreme do que corredores treinados de fato apresentam.

Como o expoente é um melhor ajuste empírico e não uma lei fisiológica, o valor pode ser ajustado na calculadora. Corredores com boa retenção de pace em distâncias longas tendem a se ajustar melhor com valores próximos a 1,03; aqueles cuja resistência cai mais rápido que a média se aproximam de 1,10 — pesquisas de Tanda e outros sugerem que a maratona em especial costuma se ajustar melhor com um expoente acima de 1,06.

O modelo de Cameron

Riegel usa um único expoente para todas as distâncias. A fórmula de Cameron (David Cameron, 1998) usa, em vez disso, uma função de fadiga dependente da distância, calibrada em resultados de nível mundial de 400 m a 50 milhas:

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

com $x$ em metros. Como o termo de fadiga muda de forma ao longo das distâncias, Cameron costuma ser um pouco mais realista na ponta longa, prevendo tempos de maratona um pouco mais lentos que Riegel. Alterne entre os dois modelos e compare: se concordam de perto, a previsão é robusta; se divergem, a verdade costuma estar no meio.

Exemplos

Os dois modelos andam juntos nas distâncias próximas e se abrem em leque conforme cresce a distância da prova conhecida — justamente onde uma previsão é, de qualquer forma, menos confiável.

Cenários práticos

1. Definir uma meta de maratona

A predição fornece uma referência objetiva para definir a meta de maratona. Uma 10K em 45 minutos prevê ~3:27–3:30 na maratona pelos dois modelos — não 3:00, que corresponderia a uma 10K em torno de 37:30. Quando a meta desejada diverge significativamente da previsão, a diferença costuma indicar que a resistência específica de maratona ainda não atingiu o nível necessário.

2. Escolher grupo de pacer na prova

Os grupos de pacer são oferecidos em intervalos fixos (3:30, 3:40, 3:50 de maratona, entre outros). O tempo previsto na tabela indica o grupo mais adequado ao nível de desempenho atual — não ao tempo desejado. Quando Riegel e Cameron ficam em lados opostos de um limite de grupo, o grupo mais cauteloso representa a largada mais segura.

3. Comparar desempenhos entre distâncias distintas

Dois corredores com resultados em distâncias diferentes podem ser comparados projetando-se ambos para uma base comum. Por exemplo, uma 5K em 19:30 e uma meia em 1:30 resultam em previsões comparáveis lidas na tabela de todas as distâncias, permitindo uma avaliação equiparada do nível de cada um.

4. Avaliar potencial em provas de pista

As fórmulas permitem também extrapolação para distâncias menores: uma 5K em 16:00 prevê 1500 m em torno de 4:28uma 5K em 16:00 prevê milha em torno de 4:49. Atletas de pista utilizam essa projeção para verificar se o nível de resistência corresponde ao esperado na distância mais curta.

Onde a previsão falha

• Assume treino consistente entre distâncias. Quem só treina 5Ks fica abaixo da previsão de maratona; a resistência longa é adaptação separada.
• Os modelos são empíricos. O expoente de Riegel e a função de fadiga de Cameron são ajustes de regressão, não derivações. O tempo real de maratona costuma ficar atrás de ambas as previsões para quem não treina especificamente para maratona.
• Quebram nos extremos. Tiros abaixo de 1500 mTiros abaixo da milha e ultradistâncias (50K+) seguem fisiologia diferente, e nenhum dos modelos extrapola limpo ali.
• Não consideram perfil, clima nem pace. As previsões assumem condições semelhantes; uma 10K plana e rápida não se compara direto com uma maratona com subida e calor.

Para corredores amadores que disputam distâncias-padrão sob condições semelhantes, a predição de prova é uma ferramenta de planejamento útil. Os resultados devem ser interpretados como estimativas de ordem de grandeza, não como garantia de desempenho.