A continuación hay un código para producir un diagrama de caja usando ggplot2 que estoy tratando de modificar para adaptarme a mi problema:

library(ggplot2)
set.seed(1)
# create fictitious data
a <- rnorm(10)
b <- rnorm(12)
c <- rnorm(7)
d <- rnorm(15)

# data groups
group <- factor(rep(1:4, c(10, 12, 7, 15)))

# dataframe
mydata <- data.frame(c(a,b,c,d), group)
names(mydata) <- c("value", "group")

# function for computing mean, DS, max and min values
min.mean.sd.max <- function(x) {
  r <- c(min(x), mean(x) - sd(x), mean(x), mean(x) + sd(x), max(x))
  names(r) <- c("ymin", "lower", "middle", "upper", "ymax")
  r
}

# ggplot code
p1 <- ggplot(aes(y = value, x = factor(group)), data = mydata)
p1 <- p1 + stat_summary(fun.data = min.mean.sd.max, geom = "boxplot") + ggtitle("Boxplot con media, 95%CI, valore min. e max.") + xlab("Gruppi") + ylab("Valori")

En mi caso, no tengo los puntos de datos reales, sino solo su media y la desviación estándar (los datos se distribuyen normalmente). Entonces para este ejemplo será:

mydata.mine = data.frame(mean = c(mean(a),mean(b),mean(c),mean(d)),sd = c(sd(a),sd(b),sd(c),sd(d)),group = c(1,2,3,4))

Sin embargo, todavía me gustaría producir un diagrama de caja. Pensé en definir: ymin = mean - 3 * sd lower = mean - sd mean = mean upper = mean + sd
ymax = media + 3 * sd

pero no sé cómo definir una función que acceda a mean y sd de mydata.mine desde fun.data en stat_summary. Alternativamente, solo puedo usarrnorm para sacar puntos de un parámetro normalizado por la media y el SD que tengo, pero la primera opción me parece un poco más elegante y simple.