🏃 Løbstidsberegner

Indtast afstand og tid for et nyligt løb, og forudsig din sluttid og dit tempo for 5K, 10K, halvmaraton og maraton med Riegel-formlen.

Kendt resultat — distance

Kendt resultat — tid

Timer

Minutter

Sekunder

Formel: T2 = T1 × (D2 ÷ D1)^1.06

Forudsagte løbstider

⚠️ Bemærk

Riegel-formlen er en statistisk estimeringsmodel. Faktiske sluttider varierer betydeligt med træningsniveau, terræn, vejr og pacing-strategi — dette resultat er ikke en garanti.

Relaterede beregnere Beregner for løbstempo Konverter for klatregrade Beregner for 1RM

GUIDE

Laes mere

Hvad er Riegel-formlen? Sådan fungerer forudsigelse af løbstid

Riegel-formlen, offentliggjort af løbeforskeren Pete Riegel i 1977, er en model for udholdenhedsydelse udtrykt som T2 = T1 × (D2 ÷ D1)^1.06. Her er T1 din kendte tid på en distance D1, og T2 er den forudsagte tid på en anden distance D2. Eksponenten 1.06 afspejler den empiriske observation, at tempoet ikke forbliver helt lineært, når distancen øges — løbere bliver gradvist langsommere på grund af ophobet træthed over længere indsatser. For eksempel kan en løber, der gennemfører 10km på 50 minutter, bruge denne formel til hurtigt at estimere sin sluttid på halvmaraton (21.0975km) eller maraton (42.195km) ud fra dette ene datapunkt.

Begrænsninger ved modeller til forudsigelse af løbstid

Riegel-formlen er et statistisk gennemsnitsskøn og tager ikke højde for en persons træningsbaggrund, udholdenhedsprofil eller skadeshistorik. Forudsigelsesfejlen har tendens til at vokse, jo større forskellen er mellem din kendte distance og måldistancen — for eksempel er det langt mindre pålideligt at forudsige et maraton ud fra et 5K-resultat end at forudsige et halvmaraton ud fra en 10K, fordi kortdistancehastighed og langdistanceudholdenhed bygger på forskellige fysiologiske systemer. Formlen ignorerer også højdeforskelle på ruten, temperatur, luftfugtighed, vind, tilstand på løbsdagen og pacing-strategi (som at starte for hurtigt). Brug forudsigelsen som et referencepunkt til træningsplanlægning, og fastsæt dit faktiske måltid ved at kombinere den med data fra langturstræning og fornemmelsen på løbsdagen.

Ofte stillede sporgsmal

Hvor præcis er denne forudser?

Riegel-formlen er som regel ret præcis ved forudsigelser mellem lignende distancer (f.eks. 10K til halvmaraton), men fejlen vokser, jo større afstandsgabet bliver (f.eks. 5K til maraton). Faktiske sluttider afhænger af træningsmængde, form og vejr, så brug dette som en reference snarere end en garanti.

Kan jeg forudsige en maratontid ud fra et 5K-resultat?

Det kan du, men præcisionen falder. Et 5K er et kort løb, der i høj grad er hastighedsbaseret, mens et maraton i høj grad afhænger af udholdenhed og energistyring, så de to distancer stiller forskellige fysiologiske krav. Hvis du bruger et resultat, der ligger tættere på maratondistancen, såsom en 10K eller et halvmaraton, får du en mere pålidelig forudsigelse.

Hvorfor betyder eksponenten 1.06 noget?

Eksponenten 1.06 tager højde for kroppens tendens til gradvist at sænke farten, når løbedistancen øges på grund af træthed. En eksponent på præcis 1 ville antage samme tempo uanset distance, men i praksis bliver sluttiderne langsommere på længere distancer, og 1.06 korrigerer statistisk for det.