Respuestas:
Creo que es importante distinguir entre los métodos y sus implementaciones en software. La principal diferencia con respecto al primero es que lowess permite solo un predictor, mientras que loess se puede usar para suavizar datos multivariados en un tipo de superficie. También te da intervalos de confianza. En estos sentidos, loess es una generalización. Si bien el valor predeterminado para lowess es utilizar la ponderación tricubo, loess realiza un ajuste no ponderado de forma predeterminada.
Ahora para la implementación. En algunos programas, lowess usa un polinomio lineal, mientras que loess usa un polinomio cuadrático (aunque puede modificarlo). Los valores predeterminados y los accesos directos que utilizan los algoritmos a menudo son bastante diferentes, por lo que es difícil lograr que las salidas univariadas coincidan exactamente. Por otro lado, no estoy al tanto de un caso en el que la elección entre los dos haya hecho una diferencia sustancial.
Específicamente para R, la diferencia es pequeña. Aquí hay una explicación muy detallada: https://support.bioconductor.org/p/2323/
Pero observe que lowess () en R genera una lista de datos mientras que loess () genera el modelo que puede ingresarse en predic ().