Risposte:
Penso che sia importante distinguere tra i metodi e le loro implementazioni nel software. La differenza principale rispetto alla prima è che lowess consente solo un predittore, mentre loess può essere utilizzato per smussare i dati multivariati in un tipo di superficie. Ti dà anche intervalli di confidenza. In questi sensi, loess è una generalizzazione. Mentre l'impostazione predefinita per lowess è l'uso della ponderazione del tricubo, loess esegue per impostazione predefinita un adattamento non ponderato.
Ora per l'implementazione. In alcuni software, lowess utilizza un polinomio lineare, mentre loess utilizza un polinomio quadratico (sebbene sia possibile modificarlo). Le impostazioni predefinite e le scorciatoie utilizzate dagli algoritmi sono spesso abbastanza diverse, quindi è difficile far corrispondere esattamente gli output univariati. D'altra parte, non sono a conoscenza di un caso in cui la scelta tra i due abbia fatto una differenza sostanziale.
In particolare per R, la differenza è piccola. C'è una spiegazione molto dettagliata qui: https://support.bioconductor.org/p/2323/
Ma nota che lowess () in R genera un elenco di dati mentre loess () genera il modello che può essere inserito in predict ().