Abaixo está um código para produzir um boxplot usando ggplot2 que estou tentando modificar para atender meu 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")

No meu caso, não tenho os pontos de dados reais, mas apenas a média e o desvio padrão (os dados são normalmente distribuídos). Portanto, para este exemplo, 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))

No entanto, eu ainda gostaria de produzir um boxplot. Pensei em definir: ymin = média - 3 * sd inferior = média - sd média = média superior = média + sd
ymáx = média + 3 * dp

mas não sei como definir uma função que acessará o mean e o sd de mydata.mine de fun.data em stat_summary. Como alternativa, eu posso apenas usarrnorm para tirar pontos de um normal parametrizado pela média e sd que tenho, mas a primeira opção me parece um pouco mais elegante e simples.