Cameron løpsprediksjon — Slik fungerer det

Slik fungerer formelen

Camerons funksjon f(d) = a − b·d + c / d^k, med d i meter, står for gjennomsnittsfarten en løper kan holde over en distanse. Den faller raskt de første kilometerne og sakte etter det. En prediksjon er den kjente tiden skalert med distansen og med forholdet mellom de to fartene: T2 = T1 × (D2/D1) × f(D1)/f(D2).

Fra en 5K eller en 10K til maraton er f(D1)/f(D2) omtrent 1,16 og 1,11, så Cameron senker tempoet mer enn Riegels faste eksponent gjør: maratontiden den forutsier blir noen minutter tregere. Mellom nærliggende distanser (5K → 10K, 10K → halvmaraton) er de to formlene enige innenfor noen sekunder.

Calcpace bruker den metriske versjonen Cameron publiserte i 2001, tilpasset prestasjoner fra 800 m til maraton. Langt utover det slutter kurven å gi mening (den når null rundt 445 km), så Calcpace bruker Cameron bare opp til 100 km; for lengre distanser, bruk Riegel.

Eksempel

Du har løpt en 10K på 42:00. Hva er din estimerte maratontid?

f(10000) ≈ 13.7687

f(42195) ≈ 12.4001

T2 = 2520 × (42195/10000) × (13.7687 / 12.4001)

T2 ≈ 11 807 s ≈ 3:16:46

Riegel gir 3:13:12 for samme inndata: Cameron er noen minutter mer forsiktig.

Se hele analysen av 10K på 42:00

Cameron vs. Riegel — når man bruker hvilken

Kjent → Mål	Cameron	Riegel	Forskjell
5K (20:00) → 10K	41:39	41:41	−0:02 (praktisk talt likt)
5K (20:00) → Maraton	3:15:11	3:11:49	+3:22 (Cameron mer konservativ)
10K (42:00) → Maraton	3:16:46	3:13:12	+3:34 (Cameron mer konservativ)

Ingen av formlene tar hensyn til terreng, treningshistorikk eller forholdene på løpsdagen. Bruk dem som pekepinner, ikke garantier.

Camerons formel: når og hvordan bruke den

Cameron-formelen, utviklet av Dave Cameron, forutsier løpstider ut fra en kurve over hvordan gjennomsnittsfarten faller med distansen — bratt for korte løp, flatere for lange. I motsetning til Riegels ene faste eksponent avhenger nedbremsingen den forutsier av hvor de to distansene ligger på kurven. Calcpace bruker den metriske versjonen Cameron publiserte i 2001, med distanser i meter.

I praksis er Cameron mer konservativ enn Riegel hver gang målet er et maraton: noen minutter tregere ut fra en 5K, en 10K eller et halvmaraton. For prediksjoner mellom nærliggende distanser stemmer begge formlene godt overens. Calcpace-prediktoren kjører begge parallelt slik at du kan sammenligne.

Ingen formel er universelt mer nøyaktig – begge er empiriske modeller med kjente begrensninger. Det er best å behandle spredningen mellom de to resultatene som et konfidensintervall for målstiden din.

Hvordan fungerer dette?

Når bør jeg bruke Cameron i stedet for Riegel?

Bruk Cameron som en forsiktig second opinion når du forutsier et langt løp — fremfor alt et maraton — ut fra et kort, som en 5K eller en 10K: den senker tempoet mer enn Riegel og gir rom for utholdenheten et kort løp ikke tester. For prediksjoner mellom nærliggende distanser (10K til halvmaraton) gir de to formlene svært like resultater.

Hvilken formel er mer nøyaktig?

Ingen er universelt bedre. Begge er avledet fra store løpsdatabaser og fanger ulike aspekter av distanse-fartforholdet. Faktisk nøyaktighet avhenger av innsatskvalitet, løypeprofil og treningsspesifisitet.

Kan jeg bruke disse prediksjonene til ultramaratonløp?

Nei — begge formlene ble kalibrert på løpsdata opp til maraton, og Calcpace bruker Cameron bare opp til 100 km. På ultradistanser (50K, 100K, 100 miles) domineres prestasjonen av ernæring, søvn, terreng og mental motstandsdyktighet — noe ingen fartsbasert formel fanger opp. Løypespesifikke databaser og veiledning fra en trener er langt mer pålitelige for ultraløp.