Possíveis causas de divórcio no mundo atual - Relatório Final
Helena Pimentel Ramos e Joel Neves Torres Lima
12/02/2022
1.Introdução
Os últimos meses têm sido bem desafiadores para todas as pessoas. Entretanto, para os casais, que normalmente já enfrentam conflitos de convivência diária, a pandemia pode ter agravado pequenos problemas e os transformado em algo maior. Decorrente do isolamento social, algumas divergências no matrimônio acabaram ficando mais evidentes e vários casais não conseguiram dar uma continuidade ao casamento diante de várias circunstâncias atípicas, a falta de uma visão positiva de um futuro, no que se refere a relação, fez com que o divórcio se tornasse a última opção em muitos casos. Em muitas das vezes, a ânsia pela oficialização da separação é decorrente da sobrecarga física e emocional imposta no convívio integral entre os parceiros, isso vai gerando um desgaste no relacionamento. Algumas estatísticas apontam que, no segundo semestre de 2020, houve um recorde no número de divórcios em cartórios brasileiros, foram contabilizados 43,8 mil processos em levantamento feito pelo Colégio Notarial do Brasil (Conselho Federal - CNB/CF). Foram 15% maior em relação ao ano de 2019. Conforme os dados, essa alta foi constatada em 22 estados e no Distrito Federal. Na avaliação do CNB, o aumento nas separações oficializadas em cartórios pode ser reflexos do maio período de convivência em ambiente doméstico por causa do isolamento social. Entretanto, a mudança também sofre influência da facilitação dos processos, que agora podem ser feitos via internet, outubro de 2020 foi o mês com maior número de divórcios desde de 2007, apresentando um crescimento de 54%. Esse cenário também foi confirmado pelo Instituto Brasileiro de Geografia e Estatística (IBGE). De acordo com entidade, o número de separações no país cresceu 75% em cinco anos e no meio de 2020 o total saltou para 7,4 mil apenas em julho, um aumento de 260% em cima da média dos meses anteriores, lembrando que o primeiro caso de covid-19 foi no dia 26 de fevereiro de 2020. As causas mais comuns de divórcio na pandemia, no caso, um dos fatores mais comuns e relevantes para o aumento dos índices de divórcios no país é o convívio mais intenso dos parceiros durante a pandemia, decorrente da longa fase de enclausuramento. Além disso, o aspecto da ocasião, que é um tempo de crise, com mais estresse, insegurança e medo, referente á saúde como também às questões econômicas e sociais de uma forma particular do casal que, também pode afetar o relacionamento dos dois. As situações de estresse geram, muitas vezes, irritabilidade, impaciência e intolerância. O nível de ansiedade das pessoas está mais alto que em períodos normais e isto também influencia nas relações, pois faz com que os indivíduos enxerguem a vida com um olhar mais negativo. Ou seja, situações que em outros momentos poderiam ser facilmente relevadas, nessas circunstâncias acabam gerando brigas e discussões. Somando isso ao estresse cotidiano, a divisão de tarefas dentro de casa, os filhos que necessitam de mais atenção, tudo isso tem somado para que ocorram mais desentendimentos entre marido e mulher e consequentemente o divórcio. Quando o casal se cansa de tentar e deixa de acreditar que a situação pode ser diferente, o divórcio passa a ser uma escolha muito forte. No entanto, se o marido e a mulher estão passando por uma crise, mas ainda acreditam que seja possível superar os obstáculos e que podem, com algumas mudanças, melhorar a convivência, a terapia de casal pode ser uma ótima opção para recuperar a alegria e cumplicidade do matrimônio. Em síntese, a abordagem sobre os divórcios na pandemia mostra que, os casais enfrentam problemas no cotidiano individual e familiar, mas com o isolamento social decorrente da pandemia, esses problemas acabam se juntando em um único lugar, com a soma de estresse, medo e insegurança, a maioria dos casais enxerga que a única solução se encontra no término do matrimônio, outros casais preferem superar os obstáculos e veem como alternativa a terapia de casal.
2.Objetivo
O objetivo do estudo é observar os principais fatores que levam ao divorcio de casais no mundo e quais atitudes auxiliam ou afetam o relacionamento do casal a partir das avaliações visuais dos gráficos apresentados, construídos a partir de uma base de dados.
3.Metodologia
As etapas que compõem a metodologia da pesquisa presente no trabalho apresentam possíveis variáveis que levam ao divorcio. Primeiramente foi necessário carregar a base de dados ao RStudio. A base de dados escolhida para essa pesquisa pode ser encontrada no website Kaggle com o nome “Predicting Divorce”, tal base de dados contém informações de possíveis variáveis que possam levar ao divorcio de casais na atualidade. As perguntas são classificadas em uma escala de 1 a 5. A última categoria indica se houve divorcio.
4.Base de dados
library(readr)
divorce <- read_csv("C:/Users/helen/Downloads/divorce.csv")## Rows: 170 Columns: 55## -- Column specification --------------------------------------------------------
## Delimiter: ","
## dbl (55): Sorry_end, Ignore_diff, begin_correct, Contact, Special_time, No_h...##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message. View(divorce)4.1. Dicionário de dados
Como os dados expressos na base de dados estão apresentados exclusivamente na língua inglesa, entendemos a necessidade de traduzir os termos para entendimento total dos leitores deste relatório estatístico.
library(readxl)
dicionario_de_dados_relatorio_de_estatistica <- read_excel("C:/Users/helen/Downloads/dicionario de dados, relatorio de estatistica.xlsx")## New names:
## * `` -> ...2 View(dicionario_de_dados_relatorio_de_estatistica)
library(DT)
DT::datatable(dicionario_de_dados_relatorio_de_estatistica, rownames = FALSE, colnames = FALSE)4.2. Descrição da base de dados
A base de dados “Prediction Divorce” apresenta dados de forma escalar que vão de 0 a 5 em cada fator apresentado, sendo 0 terrível e 5 ótimo. Os dados foram retirados de uma pesquisa feita com 170 alunos.
5. Desenvolvimento
A pesquisa feita com 170 casais traz levantamentos importantes sobre possíveis variáveis que podem levar casais atuais ao divorcio, lembrando que a escala se estende de 0 a 4.
tabela1 <- table(divorce$stresses)
prop.table(tabela1)*100##
## 0 1 2 3 4
## 42.352941 9.411765 15.294118 20.588235 12.352941 percentual <- prop.table(tabela1)*100
grafico1 <- barplot(tabela1,legend = rownames(tabela1),main = "Relação entre estresse e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 42,35% ou 72 casais
1=9,41% ou 16 casais
2=15,29% ou 26 casais
3=20,58% ou 35 casais
4=12,35% ou 21 casais
De acordo com as pesquisa e a tabela acima entende-se que a grande maioria dos casais não associam o estresse ao fenômeno do divorcio
tabela2 <- table(divorce$Sorry_end)
prop.table(tabela2)*100##
## 0 1 2 3 4
## 40.588235 5.294118 8.235294 27.647059 18.235294 percentual <- prop.table(tabela2)*100
grafico2 <- barplot(tabela2,legend = rownames(tabela2),main = "Relação entre desculpas finais e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 40,58% ou 69 casais
1=5,29% ou 9 casais
2=8,23% ou 14 casais
3=27,64% ou 47 casais
4=18,23% ou 31 casais
Em uma análise rápida e superficial entendemos que a maioria dos casais entrevistados não relaciona o fator de pedir desculpas ao final de uma discussão como fator importante para o divorcio. Mas ao analisar de forma mais profunda entende-se que a mesma quantidade de pessoas que votaram nos itens 0 e 1 da escala corresponde ao número de pessoas que votaram nos itens 3 e 4 (78 pessoas). Logo, podemos afirmar que há um empate no número de pessoas que consideram este um fator relevante ou não.
tabela3 <- table(divorce$Ignore_diff)
prop.table(tabela3)*100##
## 0 1 2 3 4
## 34.70588 13.52941 16.47059 22.35294 12.94118 percentual <- prop.table(tabela3)*100
grafico3 <- barplot(tabela3,legend = rownames(tabela3),main = "Relação entre ignorar diferenças e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 34,70% ou 59 casais
1=13,52% ou 23 casais
2=16,47% ou 28 casais
3=22,35% ou 38 casais
4=12,94% ou 22 casais
Ao analisar o gráfico entendemos que ao ignorar as diferenças entre os cônjuges o casal possui menos chances de se separar
tabela4 <- table(divorce$begin_correct)
prop.table(tabela4)*100##
## 0 1 2 3 4
## 30.00000 14.11765 15.29412 30.58824 10.00000 percentual <- prop.table(tabela4)*100
grafico4 <- barplot(tabela4,legend = rownames(tabela4),main = "Relação entre começo correto do relacionamento e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 30% ou 51 casais
1=14,11% ou 24 casais
2=15,29% ou 26 casais
3=30,58% ou 52 casais
4=10% ou 17 casais
Entende-se que a maneira como o relacionamento é iniciado influencia no divorcio ou não do casal, embora a estatística dos dados nos informe que a maioria considera este um fator importante (itens 0 e 1, somando 75 casais), a parcela de casais que considera este um fator importante (itens 3 e 4) quase se assemelha aos que possuem opinião contrária, apenas 6 votos de diferença.
tabela5 <- table(divorce$Contact)
prop.table(tabela5)*100##
## 0 1 2 3 4
## 44.117647 7.058824 17.647059 18.823529 12.352941 percentual <- prop.table(tabela5)*100
grafico5 <- barplot(tabela5,legend = rownames(tabela5),main = "Relação entre contato no relacionamento e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 44,11% ou 75 casais
1=7,05% ou 12 casais
2=17,64% ou 30 casais
3=18,82% ou 32 casais
4=12,35% ou 21 casais
Sabe-se que o contato no relacionamento é importante, logo ao se analisar se o contato é um fator decisivo no requisito divorcio, entendemos que este é um fator considerável, já que quase metade dos casais atribuíram nota 0 ao nível de relevância entre contato e divorcio
tabela6 <- table(divorce$Special_time)
prop.table(tabela6)*100##
## 0 1 2 3 4
## 48.235294 5.882353 4.705882 25.882353 15.294118 percentual <- prop.table(tabela6)*100
grafico6 <- barplot(tabela6,legend = rownames(tabela6),main = "Relação entre tempo especial entre o casal e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 48,23% ou 82 casais
1=5,88% ou 10 casais
2=4,70% ou 8 casais
3=25,88% ou 44 casais
4=15,29% ou 26 casais
O gráfico é claro ao mostrar que o tempo que o parceiro destina para a realização de algo especial com o companheiro definitivamente é algo que influencia a decisão da separação.
tabela7 <- table(divorce$No_home_time)
prop.table(tabela7)*100##
## 0 1 2 3 4
## 50.588235 28.823529 17.058824 2.352941 1.176471 percentual <- prop.table(tabela7)*100
grafico7 <- barplot(tabela7,legend = rownames(tabela7),main = "Relação entre tempo ausente em casa e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 50,58% ou 86 casais
1=28,82% ou 49 casais
2=17,05% ou 29 casais
3=2,35% ou 4 casais
4=1,17% ou 2 casais
O tempo ausente em casa não se trata de um fator importante para o divorcio, essa estatística do se fortalece com a crescente de divórcios na pandemia de COVID 19, onde os casais passaram mais tempos juntos e acabaram se separando. A tabela acima mostra uma tabela decrescente.
tabela8 <- table(divorce$`2_strangers`)
prop.table(tabela8)*100##
## 0 1 2 3 4
## 67.058824 24.705882 2.941176 2.352941 2.941176 percentual <- prop.table(tabela8)*100
grafico8 <- barplot(tabela8,legend = rownames(tabela8),main = "Relação entre casamento entre 2 estranhos e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,130),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 67,05% ou 114 casais
1=24,70% ou 42 casais
2=2,94% ou 5 casais
3=2,35% ou 4 casais
4=2,94% ou 5 casais
O casamento entre duas pessoas que não se conheciam anteriormente (2 estranhos) não significa que o casal venha a se divorciar, já que com o passar do tempo no relacionamento o casal pode vir a se adaptar e compreender o jeito do cônjuge.
tabela9 <- table(divorce$enjoy_holiday)
prop.table(tabela9)*100##
## 0 1 2 3 4
## 47.647059 5.882353 12.352941 21.764706 12.352941 percentual <- prop.table(tabela9)*100
grafico9 <- barplot(tabela9,legend = rownames(tabela9),main = "Relação entre casais que aproveitam as férias juntos e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 47,64% ou 81 casais
1=5,88% ou 10 casais
2=12,35% ou 21 casais
3=21,76% ou 37 casais
4=12,35% ou 21 casais
Passar férias juntos é uma favorável interessante para grande parte dos casais, mesmo que alguns não consigam exercê-la, sej apor motivos econômicos ou de incompatibilidade de agendas. Mas esse não é o “culpado” pelos divórcios.
tabela11 <- table(divorce$common_goals)
prop.table(tabela11)*100##
## 0 1 2 3 4
## 36.47059 10.58824 22.35294 20.00000 10.58824 percentual <- prop.table(tabela11)*100
grafico11 <- barplot(tabela11,legend = rownames(tabela11),main = "Relação entre metas em comum e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 36,47% ou 62 casais
1=10,58% ou 18 casais
2=22,35% ou 38 casais
3=20% ou 34 casais
4=10,58% ou 18 casais
Obtenção de metas em comum entre o casal não é um fator que justifique o divorcio.
tabela12 <- table(divorce$harmony)
prop.table(tabela12)*100##
## 0 1 2 3 4
## 41.764706 11.176471 2.352941 25.882353 18.823529 percentual <- prop.table(tabela12)*100
grafico12 <- barplot(tabela12,legend = rownames(tabela12),main = "Relação entre harmonia do casal e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 41,76% ou 71 casais
1=11,17% ou 19 casais
2=2,35% ou 4 casais
3=25,88% ou 44 casais
4=18,82% ou 32 casais
Entende-se que a presença de harmonia no relacionamento influencia no divorcio ou não do casal, embora a estatística dos dados nos informe que a maioria considera este um fator importante (itens 0 e 1), a parcela de casais que considera este um fator importante (itens 3 e 4) quase se assemelha aos que possuem opinião contrária, apenas 8,26% de diferença.
tabela13 <- table(divorce$entertain)
prop.table(tabela13)*100##
## 0 1 2 3 4
## 27.64706 19.41176 10.58824 26.47059 15.88235 percentual <- prop.table(tabela13)*100
grafico13 <- barplot(tabela13,legend = rownames(tabela13),main = "Relação entre entreterimento e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 27,64% ou 47 casais
1=19,41% ou 33 casais
2=10,58% ou 16 casais
3=26,47% ou 47 casais
4=15,88% ou 27 casais
Entende-se que a presença de entretenimento no relacionamento influencia no não divorcio do casal, embora a estatística dos dados nos informe que a maioria considera este um fator importante (itens 0 e 1), a parcela de casais que considera este um fator importante (itens 3 e 4) quase se assemelha aos que possuem opinião contrária, apenas 6 casais de diferença.
tabela14 <- table(divorce$people_goals)
prop.table(tabela14)*100##
## 0 1 2 3 4
## 38.82353 13.52941 12.35294 22.35294 12.94118 percentual <- prop.table(tabela14)*100
grafico14 <- barplot(tabela14,legend = rownames(tabela14),main = "Relação entre metas das pessoas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 38,82% ou 66 casais
1=13,52% ou 23 casais
2=12,35% ou 21 casais
3=22,35% ou 38 casais
4=12,94% ou 22 casais
De acordo com as pesquisas e a tabela acima entende-se que a grande maioria dos casais não associam as metas das pessoas ao fenômeno do divorcio.
tabela15 <- table(divorce$dreams)
prop.table(tabela15)*100##
## 0 1 2 3 4
## 40.588235 11.764706 7.647059 30.000000 10.000000 percentual <- prop.table(tabela15)*100
grafico15 <- barplot(tabela15,legend = rownames(tabela15),main = "Relação entre sonhos do cônjuges e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 40,58% ou 69 casais
1=11,76% ou 20 casais
2=7,64% ou 13 casais
3=30% ou 51 casais
4=10% ou 17 casais
O casal possuir sonhos em comum, segundo a pesquisa, não interfere no relacionamento ao nível que se chegue a separação, uma vez que 40,58% ou 69 dos 170 casais entrevistados votaram no item 0 da escala.
tabela16 <- table(divorce$love)
prop.table(tabela16)*100##
## 0 1 2 3 4
## 44.117647 8.235294 15.294118 20.588235 11.764706 percentual <- prop.table(tabela16)*100
grafico16 <- barplot(tabela16,legend = rownames(tabela16),main = "Relação entre amor entre os cônjuges e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 44,11% ou 75 casais
1=8,23% ou 14 casais
2=15,29% ou 26 casais
3=20,58% ou 35 casais
4=11,76% ou 20 casais
Como o amor é um dos pilares dos casamentos, os entrevistados desta pesquisa acreditam que a ausência de amor seja uma das causas da separação de casais.
tabela17 <- table(divorce$happy)
prop.table(tabela17)*100##
## 0 1 2 3 4
## 42.941176 8.823529 3.529412 29.411765 15.294118 percentual <- prop.table(tabela17)*100
grafico17 <- barplot(tabela17,legend = rownames(tabela17),main = "Relação entre felicidade dos cônjuges e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 42,94% ou 73 casais
1=8,82% ou 15 casais
2=3,52% ou 6 casais
3=29,41% ou 50 casais
4=15,29% ou 26 casais
A pesquisa mostra que casais felizes não têm grande tendência ao término.
tabela18 <- table(divorce$roles)
prop.table(tabela18)*100##
## 0 1 2 3 4
## 45.294118 6.470588 2.941176 29.411765 15.882353 percentual <- prop.table(tabela18)*100
grafico18 <- barplot(tabela18,legend = rownames(tabela18),main = "Relação entre os papeis adotados pelos cônjuges e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 45,29% ou 77 casais
1=6,47% ou 11 casais
2=2,24% ou 5 casais
3=29,41% ou 50 casais
4=15,88% ou 27 casais
A tabela acima demonstra que os papéis adotados no relacionamento não interferem de maneira significativa, de forma que leve ao divorcio.
tabela19 <- table(divorce$trust)
prop.table(tabela19)*100##
## 0 1 2 3 4
## 47.647059 5.882353 12.352941 21.176471 12.941176 percentual <- prop.table(tabela19)*100
grafico19 <- barplot(tabela19,legend = rownames(tabela19),main = "Relação entre confiança e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 47,64% ou 81 casais
1=5,88% ou 10 casais
2=12,35% ou 21 casais
3=22,17% ou 35 casais
4=12,94% ou 22 casais
A confiança é um pilar importante nos relacionamentos, principalmente os amorosos, logo a falta de confiança levaria ao divorcio.
tabela20 <- table(divorce$likes)
prop.table(tabela20)*100##
## 0 1 2 3 4
## 45.882353 10.000000 10.000000 27.647059 6.470588 percentual <- prop.table(tabela20)*100
grafico20 <- barplot(tabela20,legend = rownames(tabela20),main = "Relação entre gostos e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 45,88% ou 78 casais
1=10% ou 17 casais
2=10% ou 17 casais
3=27,64% ou 47 casais
4=6,47% ou 11 casais
Ao analisar o gráfico acima entende-se que os gostos não são fatores relevantes ao ato do divorcio.
tabela21 <- table(divorce$care_sick)
prop.table(tabela21)*100##
## 0 1 2 3 4
## 51.176471 7.647059 15.294118 17.058824 8.823529 percentual <- prop.table(tabela21)*100
grafico21 <- barplot(tabela21,legend = rownames(tabela21),main = "Relação entre cuidados quando o parceiro está doente e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 51,17% ou 87 casais
1=7,64% ou 13 casais
2=15,29% ou 25 casais
3=17,05% ou 29 casais
4=8,82% ou 15 casais
A ausência de cuidado ao adoecer oferecida pelo/a parceiro/a leva ao divorcio.
tabela22 <- table(divorce$fav_food)
prop.table(tabela22)*100##
## 0 1 2 3 4
## 52.941176 4.117647 4.705882 25.294118 12.941176 percentual <- prop.table(tabela22)*100
grafico22 <- barplot(tabela22,legend = rownames(tabela22),main = "Relação entre comidas favoritas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 52,94% ou 90 casais
1=4,11% ou 7 casais
2=4,70% ou 8 casais
3=25,29% ou 43 casais
4=12,94% ou 22 casais
Segundo a análise feita não há relação entre comidas favoritas e separação.
tabela23 <- table(divorce$anxieties)
prop.table(tabela23)*100##
## 0 1 2 3 4
## 42.35294 11.76471 12.35294 21.76471 11.76471 percentual <- prop.table(tabela23)*100
grafico23 <- barplot(tabela23,legend = rownames(tabela23),main = "Relação entre ansiedade e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 42,35% ou 72 casais
1=11,76% ou 20 casais
2=12,35% ou 21 casais
3=21,76% ou 37 casais
4=11,76% ou 20 casais
Casais ansiosos não tem grande propensão ao divorcio segundo a pesquisa.
tabela24 <- table(divorce$current_stress)
prop.table(tabela24)*100##
## 0 1 2 3 4
## 45.294118 10.588235 10.000000 27.058824 7.058824 percentual <- prop.table(tabela24)*100
grafico24 <- barplot(tabela24,legend = rownames(tabela24),main = "Relação entre estresses atuais e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 45,29% ou 77 casais
1=10,58% ou 18 casais
2=10% ou 17 casais
3=27,05% ou 46 casais
4=7,05% ou 12 casais
Para os casais entrevistados os estresses atuais não são causadores de términos.
tabela25 <- table(divorce$hopes_wishes)
prop.table(tabela25)*100##
## 0 1 2 3 4
## 50.000000 5.882353 17.647059 16.470588 10.000000 percentual <- prop.table(tabela25)*100
grafico25 <- barplot(tabela25,legend = rownames(tabela25),main = "Relação entre esperanças/desejos e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 50% ou 85 casais
1=5,88% ou 10 casais
2=17,64% ou 30 casais
3=16,47% ou 28 casais
4=10% ou 17 casais
Exatamente metade dos entrevistados afirmam com certeza que possuir esperanças/desejos no relacionamento não leva ao divorcio.
tabela26 <- table(divorce$know_well)
prop.table(tabela26)*100##
## 0 1 2 3 4
## 47.647059 7.647059 5.882353 25.294118 13.529412 percentual <- prop.table(tabela26)*100
grafico26 <- barplot(tabela26,legend = rownames(tabela26),main = "Relação entre conhecer bem o seu parceiro e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 47,64% ou 81 casais
1=7,64% ou 13 casais
2=5,88% ou 10 casais
3=25,29% ou 43 casais
4=13,52% ou 23 casais
Ao analisar a tabela acima entende-se que o fato de não conhecer o/a parceiro/a é um fator importante e pode levar o casal a separação.
tabela27 <- table(divorce$friends_social)
prop.table(tabela27)*100##
## 0 1 2 3 4
## 42.35294 11.17647 13.52941 20.58824 12.35294 percentual <- prop.table(tabela27)*100
grafico27 <- barplot(tabela27,legend = rownames(tabela27),main = "Relação entre amigos sociais e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 42,35% ou 72 casais
1=11,17% ou 19 casais
2=13,52% ou 23 casais
3=20,58% ou 35 casais
4=12,35% ou 21 casais
De acordo com a análise feita possuir amigos sociais não é algo que levaria a um possível divorcio.
tabela28 <- table(divorce$Aggro_argue)
prop.table(tabela28)*100##
## 0 1 2 3 4
## 25.88235 16.47059 12.35294 10.00000 35.29412 percentual <- prop.table(tabela28)*100
grafico28 <- barplot(tabela28,legend = rownames(tabela28),main = "Relação entre argumentações agressivas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 25,88% ou 44 casais
1=16,47% ou 28 casais
2=12,35% ou 21 casais
3=10% ou 17 casais
4=35,29% ou 60 casais
A grande maioria dos casais votou no item 4, ou seja, a maioria concorda que a utilização de argumentos agressivos durante uma discussão leva a separação do casal.
tabela29 <- table(divorce$negative_personality)
prop.table(tabela29)*100##
## 0 1 2 3 4
## 41.764706 11.764706 3.529412 10.000000 32.941176 percentual <- prop.table(tabela29)*100
grafico29 <- barplot(tabela29,legend = rownames(tabela29),main = "Relação entre personalidade negativa e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 41,76% ou 71 casais
1=11,76% ou 20 casais
2=3,52% ou 6 casais
3=10% ou 17 casais
4=32,94% ou 56 casais
De acordo com a análise feita, possuir personalidade negativa não é algo que levaria a um possível divorcio.
tabela30 <- table(divorce$offensive_expressions)
prop.table(tabela30)*100##
## 0 1 2 3 4
## 29.411765 21.764706 5.882353 15.294118 27.647059 percentual <- prop.table(tabela30)*100
grafico30 <- barplot(tabela30,legend = rownames(tabela30),main = "Relação entre expressões ofensivas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 29,41% ou 50 casais
1=21,76% ou 37 casais
2=5,88% ou 10 casais
3=15,29% ou 126 casais
4=27,64% ou 47 casais
Embora fazendo uma análise simples, podemos dizer que segundo os entrevistados o uso de expressões ofensivas não levam ao divorcio. O número de pessoas que discordam de tal afirmativa se assemelha muito (diferença de apenas 3 casais ), logo podemos considerar um empate entre os entrevistados.
tabela31 <- table(divorce$insult)
prop.table(tabela31)*100##
## 0 1 2 3 4
## 50.0000000 7.6470588 0.5882353 8.8235294 32.9411765 percentual <- prop.table(tabela31)*100
grafico31 <- barplot(tabela31,legend = rownames(tabela31),main = "Relação entre insultos e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 50% ou 85 casais
1=7,64% ou 13 casais
2=0,58% ou 1 casal
3=8,82% ou 15 casais
4=32,94% ou 56 casais
De acordo com a análise, o uso de insultos nos relacionamentos não é algo que levaria a um possível divorcio.
tabela32 <- table(divorce$humiliate)
prop.table(tabela32)*100##
## 0 1 2 3 4
## 51.764706 5.294118 1.176471 14.117647 27.647059 percentual <- prop.table(tabela32)*100
grafico32 <- barplot(tabela32,legend = rownames(tabela32),main = "Relação entre humilhação e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 51,76% ou 88 casais
1=5,29% ou 9 casais
2=1,17% ou 2 casais
3=14,11% ou 24 casais
4=27,64% ou 67 casais
De acordo com a análise feita, atos de humilhação não são coisas que levariam a um possível divorcio.
tabela33 <- table(divorce$not_calm)
prop.table(tabela33)*100##
## 0 1 2 3 4
## 28.823529 18.235294 5.882353 9.411765 37.647059 percentual <- prop.table(tabela33)*100
grafico33 <- barplot(tabela33,legend = rownames(tabela33),main = "Relação entre relações não calmas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 28,82% ou 49 casais
1=18,23% ou 31 casais
2=5,88% ou 10 casais
3=9,41% ou 16 casais
4=37,64% ou 67 casais
Segundo análise dos dados acima, entendemos que o casal possuir relações não calmas levam a um provável divorcio.
tabela34 <- table(divorce$hate_subjects)
prop.table(tabela34)*100##
## 0 1 2 3 4
## 37.647059 14.117647 3.529412 14.117647 30.588235 percentual <- prop.table(tabela34)*100
grafico34 <- barplot(tabela34,legend = rownames(tabela34),main = "Relação entre assuntos de ódio e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 37,64% ou 64 casais
1=14,11% ou 24 casais
2=3,52% ou 6 casais
3=14,11% ou 24 casais
4=30,58% ou 52 casais
De acordo com a análise feita, assuntos de ódio não são uma variável que leve ao divorcio.
tabela35 <- table(divorce$sudden_discussion)
prop.table(tabela35)*100##
## 0 1 2 3 4
## 29.411765 16.470588 8.235294 7.647059 38.235294 percentual <- prop.table(tabela35)*100
grafico35 <- barplot(tabela35,legend = rownames(tabela35),main = "Relação entre discussões repentinas e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 29,41% ou 50 casais
1=16,47% ou 28 casais
2=8,23% ou 14 casais
3=7,64% ou 13 casais
4=38,23% ou 65 casais
A grande maioria dos casais votou no item 4, ou seja, a maioria concorda que discussões repentinas podem levar à separação do casal.
tabela36 <- table(divorce$`idk_what's_going_on`)
prop.table(tabela36)*100##
## 0 1 2 3 4
## 42.352941 7.647059 3.529412 13.529412 32.941176 percentual <- prop.table(tabela36)*100
grafico36 <- barplot(tabela36,legend = rownames(tabela36),main = "Relação entre discursos como 'eu não sei o que está acontecendo' e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 42,35% ou 72 casais
1=7,64% ou 13 casais
2=3,52% ou 6 casais
3=13,52% ou 23 casais
4=32,94% ou 56 casais
Em discussões a utilização de frases como “eu não sei o que está acontecendo” podem irritar o/a parceiro/a mas não são motivos de separação.
tabela37 <- table(divorce$calm_breaks)
prop.table(tabela37)*100##
## 0 1 2 3 4
## 32.352941 15.294118 8.235294 8.823529 35.294118 percentual <- prop.table(tabela37)*100
grafico37 <- barplot(tabela37,legend = rownames(tabela37),main = "Relação entre pausas calmas nas discussões e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 32,35% ou 55 casais
1=15,29% ou 26 casais
2=8,23% ou 14 casais
3=8,82% ou 15 casais
4=35,29% ou 60 casais
Durante discussões, usar pausas calmas podem aumentar o risco de um possível divorcio.
tabela38 <- table(divorce$argue_then_leave)
prop.table(tabela38)*100##
## 0 1 2 3 4
## 25.88235 10.00000 15.29412 20.00000 28.82353 percentual <- prop.table(tabela38)*100
grafico38 <- barplot(tabela38,legend = rownames(tabela38),main = "Relação entre discursos como 'então vá embora' e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 25,88% ou 44 casais
1=10% ou 17 casais
2=15,29% ou 26 casais
3=20% ou 34 casais
4=28,82% ou 49 casais
Em meio a discussão, às vezes um dos cônjuges pode usar de discursos como “então, vá embora” direcionado ao parceiro/a, o uso de tais discursos, segundo a pesquisa, levam ao divorcio.
tabela39 <- table(divorce$silent_for_calm)
prop.table(tabela39)*100##
## 0 1 2 3 4
## 9.411765 11.176471 19.411765 19.411765 40.588235 percentual <- prop.table(tabela39)*100
grafico39 <- barplot(tabela39,legend = rownames(tabela39),main = "Relação entre silêncio para se acalmarem durante as discussões e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 9,41% ou 16 casais
1=11,17% ou 19 casais
2=19,41% ou 33 casais
3=19,41% ou 33 casais
4=40,58% ou 69 casais
A tabela acima se trata de uma tabela crescente, logo o item 4 foi o mais votado na escala, dizendo assim que o uso de pausas para que o casal possa se acalmar não evita o divorcio.
tabela40 <- table(divorce$silence_instead_of_discussion)
prop.table(tabela40)*100##
## 0 1 2 3 4
## 16.47059 14.11765 12.35294 21.17647 35.88235 percentual <- prop.table(tabela40)*100
grafico40 <- barplot(tabela40,legend = rownames(tabela40),main = "Relação entre permanecer em silêncio para evitar discussões e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 16,47% ou 28 casais
1=14,11% ou 24 casais
2=12,35% ou 21 casais
3=21,17% ou 36 casais
4=35,88% ou 61 casais
A tabela acima se trata de uma tabela crescente, logo o item 4 foi o mais votado na escala, dizendo assim que o permanecer em silêncio para evitar discussões não evita o divorcio.
tabela41 <- table(divorce$`I'm_right`)
prop.table(tabela41)*100##
## 0 1 2 3 4
## 5.882353 5.882353 27.647059 29.411765 31.176471 percentual <- prop.table(tabela41)*100
grafico41 <- barplot(tabela41,legend = rownames(tabela41),main = "Relação entre discursos como 'eu estou certo/a' nas discussões e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 5,88% ou 10 casais
1=5,88% ou 10 casais
2=27,64% ou 67 casais
3=29,41% ou 50 casais
4=31,17% ou 53 casais
O gráfico representa uma tabela crescente, onde ao analisar os dados, entende-se que em discussões usar frases como “eu estou certo/a” leva ao término de casamentos.
tabela42 <- table(divorce$`I'm_not_guilty`)
prop.table(tabela42)*100##
## 0 1 2 3 4
## 11.17647 18.23529 21.17647 15.29412 34.11765 percentual <- prop.table(tabela42)*100
grafico42 <- barplot(tabela42,legend = rownames(tabela42),main = "Relação entre discursos como 'eu não sou culpado/a' nas discussões e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 11,17% ou 19 casais
1=18,23% ou 31 casais
2=21,17% ou 36 casais
3=15,29% ou 26 casais
4=34,11% ou 58 casais
O gráfico representa uma tabela crescente, onde ao analisar os dados, entende-se que em discussões usar frases como “eu não sou culpado/a” leva ao término de casamentos.
tabela43 <- table(divorce$accusations)
prop.table(tabela43)*100##
## 0 1 2 3 4
## 16.47059 16.47059 15.29412 15.88235 35.88235 percentual <- prop.table(tabela43)*100
grafico43 <- barplot(tabela43,legend = rownames(tabela43),main = "Relação entre acusações e divorcio", horiz = FALSE,beside = TRUE,ylim = c(0,100),
col = c("#aae6d9","#fcbbe9"),args.legend = list(x = "topright"))
0= 16,47% ou 28 casais
1=16,47% ou 28 casais
2=15,29% ou 26 casais
3=15,88% ou 27 casais
4=35,88% ou 61 casais
Acusações dentro de relacionamentos matrimoniais levam a maior parte dos casais ao término.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$sudden_discussion,divorce$stresses,pch=16,col="blue",
main = " Diagrama de dispersão entre discussões repentinas e estresse na
vida dos casais ",
ylab = "discussões repentinas", xlab = "Estresse")
abline(lsfit(divorce$sudden_discussion,divorce$stresses),col="darkred")
O gráfico de dispersão mostra que quanto mais discussões repentinas no relacionamento maior o nível de estresse, a combinação desses fatores pode levar ao divorcio, uma vez que, esses fatores podem levar a um ambiente desagravel na convivência do casal.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$Special_time,divorce$happy,pch=16,col="blue",
main = " Diagrama de dispersão entre o tempo especial que os casais
passam juntos e a felicidade dos conjuges ",
ylab = "tempo especial que os casais passam juntos", xlab = "felicidade")
abline(lsfit(divorce$Special_time,divorce$happy),col="darkred")
O gráfico mostra que o simples ato de separar um tempo para realização de atividades fora do cotidiano com o parceiro podem deixá-lo mais feliz, logo a probabilidade do divorcio diminui, já que casais felizes possuem menos chances de se divorciar.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$humiliate,divorce$happy,pch=16,col="blue",
main = " Diagrama de dispersão entre atos de humilhação de um sobre o outro
e a felicidade dos conjuges ",
ylab = "humilhação", xlab = "felicidade")
abline(lsfit(divorce$humiliate,divorce$happy),col="darkred")
Embora a análise feita anteriormente com a variável humilhação demonstrasse que esse não é um fator que sozinho levaria a um possível divorcio, os atos de humilhação de um parceiro sobre o outro estão associados a níveis de tristeza, onde quanto mais atos humilhantes, menos feliz é a relação do casal e quanto menos atos de humilhação mais feliz.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$current_stress,divorce$offensive_expressions,pch=16,col="blue",
main = " Diagrama de dispersão entre estresses atuais e
expessões ofensivas direciada ao parceiro/a",
ylab = "Estresses atuais", xlab = "Expressões ofensivas")
abline(lsfit(divorce$current_stress,divorce$offensive_expressions),col="darkred")
Os estresses atuais e expressões ofensivos não possuem uma ligação muito forte a algo que levaria a um possível divorcio, já que o diagrama não possui uma correlação muito forte.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$`2_strangers`,divorce$harmony,pch=16,col="blue",
main = " Diagrama de dispersão entre um casal formado por duas pessoas
que não se conheciam anteriormente (2 estranhos) e harmonia no
relacionamento",
ylab = "2 estranhos", xlab = "Harmonia")
abline(lsfit(divorce$`2_strangers`,divorce$harmony),col="darkred")
Embora as pesquisas feitas provem que a harmonia conjugal é um fator primordial e que o casamento entre duas pessoas diferentes não indique divorcio, os dois fatores andam lado a lado indicam que quanto maior os níveis de harmonia entre os dois estranhos menor os níveis de possíveis divorcio e vice-versa. Logo, entendesse que para um casal formado por 2 estranhos, a harmonia é um dos pontos principais para que o casamento dê certo.
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$know_well,divorce$love,pch=16,col="blue",
main = " Diagrama de dispersão entre conhecer bem o/a parceiro/a e amor",
ylab = "Conhecer bem o/a parceiro/a ", xlab = "Amor")
abline(lsfit(divorce$know_well,divorce$love),col="darkred")
Analisando o diagrama, entendemos que os fatores “amor” e “conhecer bem o/a parceiro/a” andam lado a lado para evitar o divorcio, já que quanto mais se conhece sobre o cônjuge, mais amor envolvido (esses dados foram tirados de uma base de dados específica, logo existem fatores que podem influenciar esse resultado, porém se tratam de fatores externos)
par(bg="lightyellow")
par(cex=1.2)
plot(divorce$love,divorce$harmony,pch=16,col="blue",
main = " Diagrama de dispersão entre felicidade e insultos",
ylab = "Amor ", xlab = "Harmonia")
abline(lsfit(divorce$love,divorce$harmony),col="darkred")
Embora segundo as análises feitas anteriormente, onde concluímos que os insultos não são um fator decisivo para o divorcio, não se pode dizer que nenhum casal que se insulta se divorcie. Casais felizes tendem a se insultar menos e casais tristes tendem a utilizar insultos com os parceiros.