Os computadores modernos geralmente vêm com 2-4 GB de RAM e, pelo menos no Windows, a versão "recomendada" do R ainda é de 32 bits, ou seja, a menos que você use a versão de 64 bits menos suportada do R , você não poderá tirar vantagem de mais de 2 a 4 GB. No Linux, a distribuição de uma versão de 64 bits (que pode usar, para todos os efeitos práticos, uma quantidade ilimitada de memória, se você a tiver) é mais comum. Além disso, mais RAM só resulta em um processamento mais rápido até o ponto em que você não está mais trocando o arquivo da página com frequência. A velocidade do processador, por outro lado, é algo que nunca atinge esses tipos de limitações arbitrárias ou retornos decrescentes.
Dito isto, se o desempenho é crítico, a primeira coisa a considerar é usar uma linguagem mais rápida que R ou Python. R e Python são ótimas linguagens para código não-crítico ao desempenho onde a conveniência do programador é importante, mas se você precisa de velocidade, provavelmente seria melhor aprender D, C #, Java ou mesmo C ++ e encontrar uma boa biblioteca de estatísticas com eles. Essas linguagens podem ser ordens de grandeza mais rápidas do que R e Python ao lidar com código escrito similarmente.