设总体 X 的数学期望为 mu，(X_1, X_2, ..., X_n) 是来自 X 的样本，则下列结论中正确的是()A. X_1 是 mu 的无偏估计量B. X_1 是 mu 的极大似然估计量C. X_1 是 mu 的一致(相合)估计量D. X_1 不是 mu 的估计量

步骤 1：无偏估计量的定义
无偏估计量是指估计量的期望值等于被估计参数的真实值。对于样本 $X_1$，如果 $E(X_1) = \mu$，则 $X_1$ 是 $\mu$ 的无偏估计量。
步骤 2：极大似然估计量的定义
极大似然估计量是通过最大化似然函数来估计参数的值。通常，极大似然估计量是样本均值，而不是单个样本。
步骤 3：一致估计量的定义
一致估计量是指随着样本量的增加，估计量的值会收敛于被估计参数的真实值。单个样本 $X_1$ 不会随着样本量的增加而收敛于 $\mu$。
步骤 4：估计量的定义
估计量是用于估计总体参数的统计量。单个样本 $X_1$ 可以作为 $\mu$ 的估计量，尽管它可能不是最佳估计量。