Для того чтобы ответить на этот вопрос, давайте рассмотрим каждую из предложенных опций и проанализируем, какая из них наиболее подходит для построения индикатора без обучающей выборки.

• a. Использование кластерного анализа - Кластерный анализ используется для группировки объектов в кластеры на основе их характеристик. Этот метод может помочь в выявлении структур в данных, но не всегда подходит для создания индикаторов без обучающей выборки.
• b. Использование регрессионного анализа - Регрессионный анализ требует наличия обучающей выборки для оценки зависимости между переменными. Этот метод не подходит для построения индикатора без предварительного обучения модели.
• c. Использование корреляционного анализа - Корреляционный анализ позволяет исследовать взаимосвязи между переменными, но он также не создает индикаторов. Он может быть полезен для выявления зависимостей, но не для построения индикаторов без обучающей выборки.
• d. Использование метода главных компонент - Метод главных компонент (PCA) позволяет уменьшить размерность данных и выделить основные компоненты, которые объясняют наибольшую часть вариации. Этот метод не требует обучающей выборки и может быть использован для построения индикаторов на основе существующих данных.

Таким образом, правильный ответ на вопрос о построении индикатора без обучающей выборки - это: