Vamos analisar cada alternativa: A) Dividir o arquivo de dados em dois subarquivos, treinamento e teste, na proporção respectivamente de 75% e 25%. Essa é uma prática comum em machine learning, onde a maior parte dos dados é usada para treinamento e uma parte menor para teste. Está correta. B) Dividir o arquivo de dados em dois subarquivos, treinamento e teste, na proporção respectivamente de 10% e 90%. Embora seja possível fazer essa divisão, a proporção é bastante incomum, pois geralmente se utiliza uma maior parte para treinamento. Não é a prática recomendada. C) Dividir o arquivo de dados em dois subarquivos, treinamento e teste, sendo 50% para cada um deles. Essa divisão é possível, mas não é a mais comum, pois pode não fornecer dados suficientes para um bom treinamento. Portanto, não é a prática ideal. D) Não é possível utilizar a árvore de decisão para estimar o resultado, se haverá lucro ou prejuízo, pois é necessário que seja uma variável quantitativa. Isso está incorreto, pois árvores de decisão podem ser usadas para problemas de classificação, como prever lucro ou prejuízo (variável categórica). Analisando as alternativas, a única que está correta e é uma prática comum é a alternativa A: "Dividir o arquivo de dados em dois subarquivos, treinamento e teste, na proporção respectivamente de 75% e 25%."