Destacando resultados significativos de comparações múltiplas não paramétricas em boxplots

Tenho gráficos de caixa de 13 grupos que mostro em um gráfico. Os grupos têm populações desequilibradas e não são normalmente distribuídas. Quero mostrar quais pares são estatisticamente semelhantes (ou seja, têm valor de p kruskal.test <0,05) colocando a, b, c, etc. em cima das caixas correspondentes. Aqui está um pseudo-código para mostrar o que tenho:

A = c(1, 5, 8, 17, 16, 3, 24, 19, 6) 
B = c(2, 16, 5, 7, 4, 7, 3) 
C = c(1, 1, 3, 7, 9, 6, 10, 13) 
D = c(2, 15, 2, 9, 7) 
junk = list(g1=A, g2=B, g3=C, g4=D) 
boxplot(junk) 

Aqui está um gráfico que achei que faz o que eu quero (exceto que eu tenho 13 grupos em uma linha):

O código mais simples que me vem à cabeça é mostrado abaixo. Tenho certeza de que existem funções já existentes para fazer isso no CRAN, mas estou com preguiça de procurá-las, mesmo no R-seek .

dd <- data.frame(y=as.vector(unlist(junk)), 
                 g=rep(paste("g", 1:4, sep=""), unlist(lapply(junk, length))))

aov.res <- kruskal.test(y ~ g, data=dd)
alpha.level <- .05/nlevels(dd$g)  # Bonferroni correction, but use 
                                  # whatever you want using p.adjust()

# generate all pairwise comparisons
idx <- combn(nlevels(dd$g), 2)

# compute p-values from Wilcoxon test for all comparisons
pval.res <- numeric(ncol(idx))
for (i in 1:ncol(idx))
  # test all group, pairwise
  pval.res[i] <- with(dd, wilcox.test(y[as.numeric(g)==idx[1,i]], 
                                      y[as.numeric(g)==idx[2,i]]))$p.value

# which groups are significantly different (arranged by column)
signif.pairs <- idx[,which(pval.res<alpha.level)]

boxplot(y ~ g, data=dd, ylim=c(min(dd$y)-1, max(dd$y)+1))
# use offset= to increment space between labels, thanks to vectorization
for (i in 1:ncol(signif.pairs))
    text(signif.pairs[,i], max(dd$y)+1, letters[i], pos=4, offset=i*.8-1)

Aqui está um exemplo do que o código acima produziria (com diferenças significativas entre os quatro grupos):

Em vez do teste de Wilcoxon, pode-se confiar no procedimento implementado na kruskalmc()função do pacote pgirmess (veja uma descrição do procedimento usado aqui ).

Além disso, verifique as dicas R de Rudolf Cardinal sobre R: gráficos básicos 2 (consulte, em particular, Outro gráfico de barras, com anotações ).