刪除（修正）法（deletion / alteration method）
刪除法或修正法是基本機率方法的兩階段精煉版，常常以一個常數因子或更多勝過純第一動差論證。純第一動差法要求一個完全沒有壞子結構的隨機物件，僅在壞子結構期望個數低於 1 時才奏效。修正法更為大膽：它允許隨機物件含有一些壞子結構，然後從每個壞子結構中移除（刪除）一小塊來修補它，並論證剩下的部分仍大到足以有用。你付出少許代價——被刪除的元素——以換取高得多的初始密度。
做法有兩步。第一，比第一動差論證所允許的更積極地選取隨機物件，使壞子結構的期望計數 E[X] 適中（或許與物件大小相當）而非低於 1。第二，從每個壞子結構刪除一個元素；這摧毀了它們全部並至多移除 X 個元素。倖存物件的期望大小於是至少為（初始大小）減去 E[X]。由線性性此期望是個具體數值，再由第一動差原理，存在一個達到至少此期望倖存大小且不再有壞子結構的結果。最佳化控制隨機選取積極程度的參數，平衡這兩項，便得出界。
此方法是極值組合學中許多最著名存在性界的功臣。其招牌應用是高圍長且高色數的圖：具適當邊密度的隨機圖期望上只有少數短迴圈，故對每個短迴圈刪除一條邊（或一個頂點）後，留下一個沒有短迴圈（高圍長）卻仍稠密到足以迫使高色數的圖——一個其存在難以建構式看出的驚人物件。它也把 Ramsey 下界銳化為 R(k,k) > (1/e)(1+o(1)) k 2^(k/2)，改進了純第一動差的常數。誠實的提醒在於記帳：你必須驗證刪除確實摧毀了每個壞子結構，且倖存物件仍具備你關心的性質，這對非單調性質並非自動成立。
獨立集：在 G(n,p) 中邊的期望個數為 C(n,2)p，而我們想避開的獨立 k 元集期望個數可用刪除處理。經典版本：取一隨機圖，計數其三角形（期望 ~ n^3 p^3），對每個三角形刪除一個頂點（約刪那麼多頂點），倖存的無三角形圖仍有 ~ n - n^3 p^3 個頂點；最佳化 p ~ n^(-2/3) 後留下 ~ n^(1/3) 個頂點，沒有三角形卻有許多邊，給出純第一動差計數無法達到的 Ramsey 型量下界。
容許壞結構，從每個刪除一個元素，保留倖存者——起點更密，損失甚小。
刪除對單調友好的目標（圍長、無三角形）運作乾淨；對非單調性質，你必須檢查移除元素不會破壞你想保留的性質。