Создание данных Монте-Карло для фиктивных переменных в R

Я думаю, что было бы проще/быстрее сначала создать все данные с помощью rbinom, а затем преобразовать их в матрицу вместо вызова rbinom 12 раз. То есть:

set.seed(45)
t <- rbinom(180*12, 1, 0.5)
dim(t) <- c(180, 12)

Просто чтобы увидеть, есть ли разница, вот тест

# I use simplify = TRUE here.
FUN1 <- function(n, a) {
    set.seed(45)
    replicate(n, rbinom(a, 1, .5), simplify = TRUE)
}
FUN2 <- function(n, a) {
    set.seed(45)
    t <- rbinom(n*a, 1, 0.5)
    dim(t) <- c(a, n)
    t
}
require(rbenchmark)
benchmark(t1 <- FUN1(1000, 12000), t2 <- FUN2(1000, 12000), 
            order="elapsed", replications=5)

#                      test replications elapsed relative user.self sys.self
# 2 t2 <- FUN2(1000, 12000)            5   3.991    1.000     3.859    0.111
# 1 t1 <- FUN1(1000, 12000)            5   5.337    1.337     4.785    0.472


identical(t1, t2)
# [1] TRUE

Чтобы ответить на ваш вопрос в комментарии:

w  <- rep(diag(12)[1:9, ], N)
dim(w) <- c(9, 12*N)
w <- t(w)
colnames(w) <- paste0("t", 1:9)

Или еще лучше:

w2 <- do.call(rbind, replicate(N, diag(12)[, 1:9], simplify = FALSE))
colnames(w2) <- paste0("t", 1:9)

Использование replicate с выбранным вами генератором случайных чисел должно помочь. Вот пример использования простого биномиального распределения с prob = 1/2.

replicate(12, rbinom(180, 1, .5), simplify=FALSE)