У Вас перечисленно три метода. Попробую помочь понять:
1) Пусть у Вас есть случайная величина

с плотостью

. Тогда мат.ожидание

в точности равно

. Если же ставить эксперимент, имеем

. Т.е., удачно подобрав случайную величину мы можем получить оценку интеграла

.
2) Метод Гаусса проще всего понять, прокрутив руками по шагам на бумаге для системы невысокого порядка (3-4).
3) Интерполяционный многочлен Лагранжа очень прост. Его идея - это разложить интересующий нас полином по специальному базису. А именно, пусть нам заданы

. Рассмотрим семейство полиномов

. По теореме о корнях полинома

. Из свойсва

имеем

, откуда

, и, окончательно

. Они-то и называются полиномы Лагранжа.
Теперь легко найти интерполяционный полином заданной функции.
А именно

. Построенный таким образом интерполяционный полином называют интерполяционным полиномом в форме Лагранжа.