Respostas:
Eu acho que é importante distinguir entre métodos e suas implementações em software. A principal diferença em relação ao primeiro é que o lowess permite apenas um preditor, enquanto o loess pode ser usado para suavizar dados multivariados em um tipo de superfície. Também oferece intervalos de confiança. Nesses sentidos, loess é uma generalização. Enquanto o padrão para o lowess é usar a ponderação do tricube, o loess realiza um ajuste não ponderado por padrão.
Agora para a implementação. Em alguns softwares, o lowess usa um polinômio linear, enquanto o loess usa um polinômio quadrático (embora você possa alterar isso). Os padrões e atalhos que os algoritmos usam geralmente são bastante diferentes, portanto é difícil fazer com que as saídas univariadas correspondam exatamente. Por outro lado, não estou ciente de um caso em que a escolha entre os dois fez uma diferença substancial.
Especificamente para R, a diferença é pequena. Há uma explicação muito detalhada aqui: https://support.bioconductor.org/p/2323/
Mas observe que lowess () em R gera a lista de dados enquanto loess () gera o modelo que pode ser inserido em predizer ().